OpenAI 把 ChatGPT 做成"万物应用"：Akshay Nathan 谈 ChatGPT Work（Latent Space，2026-07-28）¶

嘉宾: Akshay Nathan —— OpenAI 核心产品工程负责人（productivity 团队），2023 年加入；此前做消费金融科技、创业做 AI 自动化测试、在 Airtable 做 no-code
主持: swyx + Vibhu（客座共同主持）
来源: YouTube · 71 分钟（自动字幕）
转录稿: sources/latent-space/20260728-gKhW6vL4V9A

⚠️ 转录稿只有 >> 换人标记、无说话人标签，且是三人对谈（swyx、Vibhu、Akshay），归属按内容与提问/回答关系判断。凡本页写"Akshay 认为"的，均取自明确的受访回答段落。自动字幕把模型名转得较乱（Soul / Terra / Spider / goal 等既有产品代号也有误转），本页只在能从上下文确认时才照写。

本库第一份来自 OpenAI 产品侧（而非研究侧）的系统表达。价值不在爆料，而在两条产品判断：为什么 Codex 的 harness 会反过来吃掉 ChatGPT 的 harness，以及AI 时代生产力为什么变得无法测量。最后一句"混淆 motion 与 progress"是本期最锋利的一条。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_01 = Akshay Nathan（嘉宾，62.4%）；SPEAKER_02（22.5%）与 SPEAKER_00（15.1%）是两位主持（swyx 与 Vibhu）。依据：SPEAKER_01 的高纯度块是 OpenAI 内部一手信息（[00:26:12] 这次发布里的 Sites、[00:38:23] 内部评审流程，均 100%）； SPEAKER_02 的块是主持的延伸评点（[00:28:14]"That gets into auto research…"）。 两位主持各对应哪个标签，节目内无法确定；SPEAKER_00 的 [00:53:30] 块（100%）谈个人如何用 sub-agent，归属存疑。

概要¶

Akshay 领导的团队叫 productivity（而非 enterprise 或 work），因为个人生产力也算（[00:09:04]）。本期围绕一个月前发布的 ChatGPT Work 展开：它把 Codex 的能力与 ChatGPT 的分发合并成所谓的"超级应用"，发布时同日上线新模型，已公布 1000 万用户（[00:42:26]、[00:43:26]）。

产品动因是一次内部观察：Codex 在 OpenAI 内部出现了非开发者的采用拐点——战略财务、市场等职能都在用，而且"人们为自己在用 Codex 感到骄傲，像是拥有了一种超能力"（[00:07:04]–[00:08:04]）。由此产生的产品问题是：ChatGPT 已有的巨大分发盘，怎么把这份 agent 能力交到他们手上。

核心观点¶

harness 的合并：Codex 的壳吃掉了 ChatGPT 的壳¶

两个产品共用同一个 harness。ChatGPT Work 与 Codex 底层能力一致，差别在 UX 取舍和沙箱默认值：Codex 模式会把 git 状态、diff 更前置；Work 模式则把这些细节抽象掉（[00:11:04]、[00:12:05]）。产品原则是"不希望用户被困在某个 tab 或某种体验里而拿不到产品的全部能力"（[00:10:04]）。
swyx 想做一次"harness 工程的口述史"：ChatGPT 的 harness 从 o1 时代一路用到现在，如今实际上被 Codex 的 harness 取代了。Akshay 的回答是一个循环模型——"发散、收敛、发散、收敛"（[00:16:10]）：
chat 侧长期优化的是延迟与人格（搜索、学习、写给亲友的消息这类用例）；
Codex 侧学到的是"给 agent 一个无限灵活的环境——一台计算机——它能做到非常强大的事"。
面向知识工作时，"把它带到这个计算机环境里更自然"，再把计算机的细节对不习惯的用户抽象掉。
⚠️ 但他明确不认为这是终局："我们希望能力在所有地方都在……以后肯定还有工作要让各场景能力等同。"（[00:17:11]）
经典 ChatGPT harness 仍然存在：开新对话不进 Work 就是它（[00:15:09]）。由模型来做路由决策——比如要建电子表格时会推你去 Work 模式（[00:15:09]）。

为什么要合并而不是分开：职能边界正在模糊¶

这是本期最完整的一条产品论证（[00:13:07]–[00:14:07]）：

"我们所有人的工作都在因为 AI 剧烈变化，几乎每几个月一变。我感觉一觉醒来就在做和几个月前完全不同的事。"

因此按"你是谁"划硬边界会很难——只写代码的人、写战略文档的人、做市场的人、办活动的人之间的界线会被模糊掉。产品结论：让用户自己选，但不要把用户框死。落到工程上就是保持原语统一（比如 plugins 在 ChatGPT、Work 和云端是统一的）。

Codex 作为品牌会继续存在，而且他把话说得更强：不只是保留，"开发者一直是我们的核心市场，我们会继续把 Codex 做得对软件开发特别好"；合并反而提升 Codex 的效用，因为你可以在写 diff、生成 artifact、搜索代码之间无缝移动（[00:44:27]–[00:45:28]）。

模型选择：默认应该就是最好的¶

"我们希望对默认值有主见……为绝大多数用例，默认就该是最好的。"高级用户有旋钮（推理档位、模型档次），"可以说现在旋钮可能太多了，我们正在简化"（[00:18:11]–[00:19:11]）。
给出的多智能体/高档位使用准则（[00:20:11]）：
ultra / 多 agent 设置适合极复杂的开放式探索或高度可并行的任务；
goal 模式适合"能随时间取得可验证的一致进展"的任务；
但大多数任务两类都不属于，尤其在刚开始的时候——所以先用默认配置，再看要往哪调。
一个产品化细节：模型选择被投影到一维滑块上（一端速度与效率、另一端质量与彻底性），"即使背后是多维的"（[00:21:12]）。
⚠️ Ultra 发布后被回退了默认值：发布时"我们对 Ultra 是给谁用的没有足够主见"，之后改成需要手动开启、藏进高级设置——因为它面向理解后果的高级用户，且会更快耗掉额度（[00:55:32]）。这是本期唯一一处明确承认的产品回退。

Artifacts 与 Sites：新的知识工作载体¶

artifacts 是本次发布的重点投入，模型侧和产品侧同时推进；他强调与前两代模型相比 artifact 质量有相当显著的提升（[00:22:12]–[00:23:12]）。
swyx 演示了 agentic 编辑 Excel 文件（"你从没买过 Excel 授权"）。Akshay 的框定值得记：这不是"你不再需要 Excel 授权"，而是"这是第一阶段"——重点是你要迭代，而高保真地呈现同事将看到的样子才让人敢信任这个迭代过程（[00:23:12]）。
⚠️ Sites 是他认为被低估的那一个（[00:26:12]–[00:27:12]）：外界主要把它当原型工具（模型滑块本身就是在 site 里由设计、工程、产品共同打磨出来的），但另一面是 site 作为知识工作的 artifact——公司财务团队的月度报告从幻灯片和电子表格搬到了 site 上，因为 site 带宽更高：PowerPoint 和 Excel 无限灵活，但总会撞到"人不会用某个功能"或"产品不支持"的边界，而 site 里你想要什么就能要到什么。
一条正在成形的方向：多人协作的 artifact。他讲的内部场景是"有人问我事，我去问 ChatGPT Work，再把答案转发回去"——"我是不是根本不需要在这个回路里"（[00:24:12]）。swyx 立刻指出这里有权限层问题：你实际上充当了权限层，"我能查的东西你未必该看到"（[00:25:12]）；Akshay 承认"agent 能访问的上下文是极其个人的，这必须被保护住，肯定是个挑战"。
术语现实：artifacts 是内部叫法，外部没人这么说——"如果 ChatGPT Work 擅长做幻灯片，他们就说它擅长做幻灯片，而这正是我们想要的"（[00:45:28]）。

与 OpenClaw 的关系¶

swyx 点名 2026 年 7 月的 OpenClaw 现象："很多人第一次真正把 agent 用到个人事务上"。Akshay 说了自己的 OpenClaw 时刻：他和配偶用它管家里的事、接上日历自动建事件，"确实挺有用"，后来跑它的笔记本坏了就没再捡起来（[00:46:28]）。
他承认灵感来源：ChatGPT Work 在 web 和 mobile 上给你一个持久的计算机环境，文件跨会话保留；"我们团队有成员已经把过去用 OpenClaw 做的事完全转到 ChatGPT Work 上了"（健身计划、饮食记录）——因为原语是一样的：定时任务、文件系统、跨时间引用（[00:46:28]–[00:47:28]）。
⚠️ 他明确不认为 ChatGPT Work 会取代 OpenClaw："我不这么认为……那个团队做出来的这种了不起的开源技术永远有其需求；我们能做的是从中汲取灵感，把这份魔力带给听说过、用过 ChatGPT 的那多得多的人。"（[00:47:28]）
但产品目标本身是"万物应用"式的：你来到这个产品、开一个会话，就能做任何事，不用点按钮跳去别处；靠可扩展的 plugin 系统接上你需要的工具（[00:47:28]–[00:48:28]）。他自己试过用 finances plugin 做退休规划与预算，"至少对我那部分已经被替代了"，但补了一句限制——ChatGPT 还不为你托管现金和资产（[00:48:28]–[00:49:29]）。

⚠️ 关于"即时拉取够不够"的一次未正面回答¶

swyx 从数据工程角度追问：只靠 MCP / CLI / API 即时拉数据是不够的，你还是想要数据仓库、缓存或语义层（[00:50:29]）。Akshay 的回答留了余地：取决于访问模式——要立刻回答确实很难；但 ChatGPT Work 想支撑的很多用例本来就不需要立即返回，而是交给 agent 去跑一段时间的任务，且有程序化工具调用和子 agent可并行化；他的结论是"MCP 与调用第三方服务的能力上限已被大幅抬高"（[00:50:29]–[00:51:29]）。他没有确认也没有否认内部是否存在缓存/语义层——本页据此不做推断。

记忆¶

他把记忆放在用户之爱的第一位："和朋友、家人聊他们喜欢 ChatGPT 什么，'它了解我'、'我的 ChatGPT 是我的' 大概排第一。"（[00:56:33]）
机制：ChatGPT Work 与云端默认继承 ChatGPT 的记忆，并可写回；属于同一套 memory V3 系统（[00:56:33]）。
他不做记忆本身，因此对"召回的假阳性多还是假阴性多"不给结论，但给了框架：一是要知道关于你的事，二是要有EQ 在恰当时机主动提起、且是正向惊喜而非负面（[00:57:33]）。
对"work 场景的记忆是不是和 chat 根本不同"这一前提，他直接反驳：chat 里大量一次性对话"长期累积起来相当耐久，是对我这个人相当好的表征"，所以把它带进 work 产品才有价值（[00:58:35]）。
Chronicle（从你如何使用计算机中学习的记忆输入源）目前是实验性、默认关闭，他建议试试（[00:59:36]–[01:00:37]）。他给的价值定位很克制：它未必能捕捉你的全部意图，"但它多半会发现一些你自己都不知道的东西"，在你做任务时主动浮出来就有用。

AI 时代的组织与生产力度量（本期最有转述价值的一段）¶

岗位边界模糊：EM / PM / 工程师 / 设计师之间的界线在模糊（[01:02:38]）。他的模型是 T 型——"AI 会让每个人都成为通才"（他举例自己以前做不出设计，现在能在 AI 帮助下迭代，尽管仍缺视觉品味），同时保留一条向下深挖的专长竖线（[01:03:39]）。
瓶颈变成了什么："瓶颈变成了想法和品味……因为现在人人都能造，这真的是自下而上的野心的时代；因为要造的东西太多，你永远会被你在任一时刻拥有的想法数量卡住。"（[01:04:39]）
⚠️ 但他不认为想法能被模型自动化——swyx 说"我最想要但一直不work 的自动化是'给我带来新想法'，LLM 就是不行"（[01:04:39]）。Akshay 的回应是想法不在真空里产生：它们来自和用户对话、来自你看到的摩擦和反馈、来自已有的基础，"所以那种能闭环、能把想法扎根在反馈里的通才，永远有价值"（[01:05:39]）。
团队会变小吗？ 他的答案是不会："个人或小团队能完成过去需要更多人的事，但同时要做的事也更多了，所以团队变得更有野心。"（[01:02:38]）
生产力怎么度量——他明说没解决（[01:06:39]–[01:07:40]）：
"我们还没想明白。"原因是目标极其多样，真正的度量是"用户达成其目标的能力"，而在不知道目标是什么、又要为每个人定制的前提下极难。
点赞点踩没用："你不知道他踩的是答案内容、是语气、还是有没有帮他达成目标。"
旧代理指标正在失效：过去用代码提交数、代码行数、story point 之类的代理指标，"现在 token 用量、PR 数量已经不再那么强相关于团队能否达成目标"，需要新的度量，"而且整个行业都得想明白这件事"。
他给管理者的具体建议：看 at-bats（上场次数）——不只是数量还要质量：能不能高效走完"产生想法 → 造出来 → 拿到反馈 → 对反馈作出反应 → 证实或证伪假设 → 进入下一个想法"的整环；同时也包含团队文化——有没有谦逊、能不能反复走这个过程还保持动力（[01:08:41]）。
最锋利的一句（[01:09:42]）：

"陷阱大概是混淆 motion 与 progress。因为有了这些工具，motion 比以往任何时候都容易；但 progress 要求你对自己到底想达成什么非常明确、非常刻意。"

企业落地：没有万能解¶

早期 ChatGPT Enterprise 的教训："企业里没有一刀切的方案。"当年大家都很兴奋、成立 AI 部署团队、预算巨大，但你问"具体想解决哪个用例"，答案的方差爆炸式扩大（[00:04:02]）。
他对这个box 的诊断很准："你有一个盒子，可以对它说任何话，这是魔力；但反过来也意味着你不知道该拿它做什么。"（[00:05:02]）
当前状态：采用在快速增长，早期采用者"真的懂"（保证上下文对、接对工具、做好监督，则一切皆有可能），但还有大 10 倍到 100 倍的市场尚未理解这件事——那才是 ChatGPT Work 想打的地方（[00:06:02]）。
产品方法论上他反复回到 show, don't tell："我们还没完全破解如何展示而不是教给用户能做什么。"（[00:34:20]）落到 UI 上是那对张力：既要给足表达面（能说清需求、能验证用了对的工具和来源），又要让 UI 退到一边（[00:31:18]–[00:32:19]）。
他自己给的高级用户建议（[00:37:23]–[00:39:23]）：
不断拓宽对"可能性"的想象——他举绩效评估周期为例：半年前试过完全没用，这次"模型做得比我好得多"，因为它能拉到代码、评审、Slack 里的全部上下文，指出连他都没看到的成果；
喂得越多，回报越大——artifact 存进 library、跨时间可引用，模型会以你想不到的方式主动调用；
⚠️ 但他明确划线："我绝不会只用 AI 写出一份东西然后当作对某人的评估交上去。我说的是收集上下文。"swyx 归纳为"agentic search"，他接受这个说法（[00:40:24]）。
采用序列他说得很清楚（[00:35:22]–[00:37:23]）：开发者 → 通用知识工作 → 所有人。开发者是历史上的早期采用者、愿意忍受摩擦；往知识工作走需要新能力（artifacts、computer use）和"show not tell"；再往所有人走是同样的学习迁移。

与本库其它观点的关系¶

与 swyx 自己反对模型路由的立场的对照：swyx 主张"以路由为傲就永远吃不满任何一个模型的完整能力"；本期 OpenAI 的做法是由模型自己做路由（chat ↔ work 模式切换）并对默认值有主见。这不是同一层的路由（一个是跨厂商，一个是同厂商内的模式选择），但把"谁来决定用哪个能力"这件事推给了模型——与 swyx 那句"人们不想选用哪版 AGI，他们只想让 AGI 替他们决定"是一致的（[00:10:04]）。
LLM OS 与新计算范式的一次产品化实证：持久计算机环境 + 文件系统 + 定时任务 + plugin，这几乎就是 Karpathy 的 LLM OS 清单被逐项落成产品。而 Akshay 自己把参照系指向 OpenClaw 而非操作系统——见 Peter Steinberger 与 Gavriel Cohen（NanoClaw）。⚠️ 值得注意的是他不认为会取代 OpenClaw，而 swyx 在本期直接说出了"个人 OS"这个词。
"瓶颈是想法和品味"顶到 AI 与就业：这与本库已有的 T 型/通才叙事同族，但他补的限定很重要——想法不在真空里产生，因此"能闭环、把想法扎根在用户反馈里的通才"才是稀缺项，而不是纯粹的创意。这对"AI 让人人成为创意工作者"的乐观版本是一条约束。
"混淆 motion 与 progress"是本库对 AI 商业化与价值捕获里"企业买了 AI 却没变化"现象的最简洁诊断，与 Steven Sinofsky 的"企业里所有有趣的事都是例外处理"、Mark Cuban 谈企业落地难属同一族问题的不同切面。
"旧代理指标正在失效"给评估与 Benchmark 补了一条组织侧的观察：本库此前讨论的是模型评测，这里是用模型的人怎么被评测——代码行数、PR 数、token 用量都不再与目标达成强相关，而新的度量还不存在。这是一条罕见的、来自前沿实验室内部的"我们不知道"。
记忆条线：与 Dan Biderman 谈"为什么长上下文还不够" 直接对读——Biderman 讲机制，本期讲产品侧的两难（知道你的事 vs. 有 EQ 在对的时机提起），以及 Chronicle 这种"从你用电脑的方式里学"的新输入源。
权限层问题是本库 LLM 安全里一个新角度：多人共享 artifact 时，人本身充当了权限层，一旦被 agent 取代，"我不该看到的东西"就没有天然屏障——且当事人无从知道自己不知道什么（[00:25:12]）。

事实性断言与预测（可验证）¶

ChatGPT Work 发布约一个月，已公布 1000 万用户；与新模型同日发布（断言，[00:42:26]–[00:43:26]、[00:22:12]）。
ChatGPT Work 仅对付费用户开放，不会把 ChatGPT 免费用户默认切进去（断言，[00:44:27]）。
Codex 与 ChatGPT Work 共用同一个 harness，差别在 UX 取舍与沙箱默认值（断言，[00:11:04]）。
plugins 在 ChatGPT、ChatGPT Work 与云端是统一原语（断言，[00:14:07]）。
ChatGPT Work / 云端默认继承 ChatGPT 记忆并可写回，属同一套 memory V3 系统（断言，[00:56:33]）。
Chronicle 默认关闭、处于实验状态（断言，[00:59:36]–[01:00:37]）。
Ultra 在发布后被改为需手动开启并移入高级设置（断言，[00:55:32]）。
Akshay 2023 年加入 OpenAI 时公司约 500 人（断言，[00:03:02]）。
早期采用者之外还有大 10–100 倍的市场尚未理解 agent 能做什么（断言/预测，[00:06:02]）。
采用路径预测：开发者 → 通用知识工作 → 所有人（预测，[00:35:22]–[00:37:23]）。
Codex 品牌会长期保留，并继续针对软件开发专门优化（预测，[00:44:27]–[00:45:28]）。
他不认为 ChatGPT Work 会取代 OpenClaw（预测，[00:47:28]）。
OpenAI 尚未解决生产力度量问题，且认为整个行业都需要新的度量（断言，[01:06:39]–[01:07:40]）。